MétaCan
Menu
Retour à la cohorte
Enregistrement W3155258096 · doi:10.1002/mar.21492

Consumers as creative agents: How required effort influences willingness to engage

2021· article· en· W3155258096 sur OpenAlexaff
Xianfang Zeng, Mehdi Mourali

Notice bibliographique

RevuePsychology and Marketing · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésExpectancy theoryPsychologyValue (mathematics)Context (archaeology)Situational ethicsProduct (mathematics)CreativityPromotion (chess)Affect (linguistics)MarketingSocial psychologyBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Consumers often engage with brands by participating in activities such as co‐creating products and contributing ideas about product promotion. Such engagement enables consumers to be creative agents rather than mere end‐users. However, it also places a burden on them, as it inevitably requires effort on the consumer part. This study investigates the impact of expected effort level (low vs. high) on consumers' inclination toward engagement, and its underlying mechanisms. Three experiments find that higher expected effort leads to lower intention to engage. This effect is mediated by the perceived probability of success and perceived value of engagement, and the two mediators operate in tandem. Effort levels negatively affect the perceived probability of success, which exerts a positive impact on the perceived value of engagement and then on willingness to engage. We also examine the moderating effect of consumer mindsets and find that chronic and situational consumer mindsets work differently. Specifically, primed mindsets have a significant effect, but enduring mindsets do not. This study contributes to the literature on engagement and expectancy–value theory by exploring consumer effort in a context where effort aids in implementing creativity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,348
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,045
Tête enseignante GPT0,323
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology and MarketingMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207